Berechnung charakteristischer Spritzbild- und by Pavel Svejda

By Pavel Svejda

Die vorliegende Dissertation entstand wahrend meiner Tatigkeit als wissenschaftli cher Mitarbeiter am Institut fOr Industrielle Fertigung und Fabrikbetrieb (IFF) der Uni versitat Stuttgart sowie am Fraunhofer-Institut fOr Produktionstechnik und Automati sierung (IPA) in Stuttgart. Herrn Prof. Dr. h.c.mult. Dr.-Ing. H.-J. Warnecke, dem Prasidenten der Fraunhofer Gesellschaft, danke ich besonders fur seine wohlwollende Unterstutzung und Forde rung, die zum Gelingen dieser Arbeit beigetragen hat. Herrn Prof. Dr.-Ing. A. Goldschmidt bin ich fOr seine Sereitschaft zur Durchsicht des Manuskriptes, fOr die sehr wertvollen Hinweise, die sich daraus ergaben und fOr die Obernahme des Mitberichtes zum gror..en Dank verpflichtet. Daruber hinaus danke ich allen Mitarbeitern des Instituts fOr die anregende Kritik und Diskussion, insbesondere den Herren Dr. ok. Melchior, Dipl.-Ing. D. Ondratschek, Dr.-Ing. J. Domnick, M. Obst und Dipl.-Ing. A. Scheibe. Mein besonderer Dank gilt Frau Dipl.-Ing. S. Knaupp fOr die Mitarbeit bei der Programmierung des neuronalen Netzes. Herrn Dipl.-Ing. T. Oberlander und Herrn Dipl.-Ing. (FH) S. Paustian danke ich fOr die Mithilfe bei der VersuchsdurchfOhrung. Zum Dank fOr die Motivation und die tatkraftige Unterstutzung, insbesondere bei der DurchfOhrung der Untersuchungen und Serechnungen, wid me ich das Such meiner Frau Manuela. Stuttgart, Juni 1998 Pavel Svejda Inhaltsverzeichnis Symbolverzeichnis ......................................................................... . 12 o Einleitung ....... ... .... ..... ............. ............. ...... ....... .... ........ ...... ............ sixteen Aktueller Stand der industriellen Lackiertechnik ............................ . 19 2 Der Lackierproze am Beispiel der Automobil-Serienlackierung ... .

Show description

Read or Download Berechnung charakteristischer Spritzbild- und Qualitätsmerkmale beim Lackieren: - Einsatz neuronaler Netze - PDF

Best german_3 books

Von Rumford bis zur Bayerischen Einheitsuniform 1814

Исследование о развитии униформы баварской армии во время наполеоновских войн. Элементы униформы представлены автором в виде цветных планшетов, иллюстрирующим мундиры всех частей баварских войск. Изыскания основаны на немецких архивных данных. Книга-альбом для любителей истории военного костюма и военной истории в целом.

Liquide Mittel und Investitionsentscheidungen : ein optionstheoretischer Ansatz

Stefan Hirth zeigt anhand eines dynamischen Modellrahmens auf, dass sowohl Verzögerung als auch Beschleunigung von Investitionen als Folge von hohen bzw. niedrigen Beständen an liquiden Mitteln erklärt werden können. Er verdeutlicht, dass hierfür neben Finanzierungsbeschränkungen auch eine andere Friktion dafür verantwortlich sein kann: Interessenkonflikte zwischen Eigen- und Fremdkapitalgebern.

Prozeßtheorie der Ablaufplanung: Algebraische Modellierung von Prozessen, Ressourcenrestriktionen und Zeit

Gegenstand des Buches ist die algebraische Modellierung betrieblicher Prozesse, hier am Beispiel der Ablaufplanung. Nach einer Einführung in Ablaufplanung, Prozeßbegriffe und grafische Prozeßdarstellungen wird der aktuelle Stand der "Concurrency concept" (Theorie nebenläufiger Prozesse) ausführlich dargestellt.

Extra resources for Berechnung charakteristischer Spritzbild- und Qualitätsmerkmale beim Lackieren: - Einsatz neuronaler Netze -

Sample text

T:. 3a: Einflul1 der ProfilOberlappung auf den Gesamtschichtdickenverlauf, ausgehend von der Normalverteilung (n = 2) 20 16 .. . .. .... •......... •. . . . •... •. .. • • •• • • . •... • . • . 3 Lackauftragswirkungsgrad Bei der Beurteilung der Lackierverfahren und Zerstauber hinsichtlich der entstehenden Lackverluste sowie bei ihrer Optimierung stellt der Lackauftragswirkungsgrad (11 oder AWG) eine wichtige Gror1e dar. Der AWG ist wie folgt definiert: mFK,2.

7. Die Aktivierungsfunktion (Transferfunktion) S,: berechnet fOr jedes Neuron den neuen Aktivierungszustand a,(t+1) aus dem bisherigen Aktivierungszustand aj(t) und dem aktuellen gewichteten Input z,(t): a,(t+1) 8. 9) Die Lernregel: beschreibt die Veranderung der Gewichte zwischen den Neuronen in Abhangigkeit von dem tatsachlichen Aktivierungszustand a,(t), dem erwarteten Aktivierungszustand oder Output der Neuronen, dem gewichteten Input und den alten Gewichten zwischen den Neuronen. t sich als eine Funktion verstehen, welche die Gewichtsanderung I'1W'j beschreibt: I'1W'j I'1W'j =w'j(t+1) - W'j(t) bzw.

4 ..... - - - k =-1 - - k=O • • • • k =1 --k - 2 - • - k=3 ... - - - - - - - --- _. _ . ~ - _ ............. . 2 . o -3 / ·2 -1 ~ o 2 ---. 10: Sigmoide Funktion fUr k = -1, 0, 1, 2, 3 Training des Backpropagation·Netzwerks Das Training neuronaler Netze hat die Anpassung der Netzgewichte an die vorgegebene Problemstellung zum Ziel. Wahrend des Trainings muB eine groBe Anzahl von Trainingszyklen abgearbeitet werden.

Download PDF sample

Rated 4.43 of 5 – based on 14 votes